С преподавателями в беседах мы регулярно поднимаем тему использования ИИ студентами для написания рефератов, отчётов и т.д. Раньше опытный преподаватель на раз-два вычислял текст, скопированный студентом из интернета, а не написанный самостоятельно. А теперь мы научились вычислять то, что написано нейросетями. И некоторые коллеги придерживаются мнения, что нужно полностью запретить студентам пользоваться генеративными нейросетями в процессе обучения, но я с ними не совсем согласна. По всей видимости, ИИ стал нашей повседневной реальностью, как когда-то интернет. И бороться с этим бесполезно, можно только задать свои правила игры.
Для меня генеративные нейросети - это очередной полезный инструмент, который может быть использован по-разному. Как машина. С одной стороны, на ней я быстрее доезжаю до работы, в ней лежат вещи на вечерние тренировки, да и мешок картошки из родного села привезти удобнее. С другой стороны, я могу начать передвигаться только на ней, забросить тренировки и просто переносить свою попу с одного сидения на другое. В первом случае я получаю больше времени и энергии, а во втором - ожирение. И нельзя винить машины или запрещать всем пользоваться ими просто потому, что я решила выбрать второе.
Честно признаюсь, я регулярно использую генеративные нейросети в своей работе, в частности, ChatGPT или DeepSeek. Например, я могу попросить накидать план лекции или презентации. Или предложить идеи для формата реализации курса. Иногда я прошу её объяснить какие-то сложные вещи простым языком, например, коллеги обсуждают сверхкритическую флюидную хроматографию, а я про этот метод впервые слышу. Бывает я даже ищу статьи через нейросетки, когда помню примерное содержание, но не помню ни примерного названия, ни авторов. И также я часто прошу проверить грамматику английского или делаю перевод текста на академический английский. А ещё я часто обращаюсь к нейросетям, чтобы писать посты в этот канал, они хорошо помогают с идеями и структурой.
И поскольку я считаю себя человеком с хоть немного, но развитым критическим мышлением, я всегда перерабатываю результат, выданный нейросетями. Использую план презентации или идеи как некий набросок, в котором уже убираю или добавляю штрихи. Не считаю себя экспертом в хроматографии после пары вопросов в ChatGPT. Перепроверяю перевод, чтобы не потерялся смысл предложения или какие-то термины были верно употреблены. Отчасти нейросеть помогает преодолеть страх чистого листа - состояние, когда ты просто не можешь начать что-то делать.
На мой взгляд, студентов нужно учить правильно пользоваться генеративными нейросетями. Не заменять собственный интеллект искусственным, а дополнять его. Для этого нужно развивать критическое мышление, помогать с составлением правильного промта, давать задания на критический анализ результата генерации. В общем, не противиться изменениям, а возглавить их. И в целом вузы потихоньку идут к этому, правда пока больше в соцгум секторе, но тем не менее.
Ну и конечно всё же стоит развивать инструменты, которые определяют сгенерированный текст. Всегда будут те, кто выберет наименее энергозатратный путь. Раньше они копипастили из интернета или скачивали рефераты, а теперь у них новое оружие. Думаю, эта борьба будет вечной, но она не должна мешать прогрессу остальных.
Коллеги, а что вы думаете про генеративные нейросети? Используете ли в своей работе и если да, то как?
С преподавателями в беседах мы регулярно поднимаем тему использования ИИ студентами для написания рефератов, отчётов и т.д. Раньше опытный преподаватель на раз-два вычислял текст, скопированный студентом из интернета, а не написанный самостоятельно. А теперь мы научились вычислять то, что написано нейросетями. И некоторые коллеги придерживаются мнения, что нужно полностью запретить студентам пользоваться генеративными нейросетями в процессе обучения, но я с ними не совсем согласна. По всей видимости, ИИ стал нашей повседневной реальностью, как когда-то интернет. И бороться с этим бесполезно, можно только задать свои правила игры.
Для меня генеративные нейросети - это очередной полезный инструмент, который может быть использован по-разному. Как машина. С одной стороны, на ней я быстрее доезжаю до работы, в ней лежат вещи на вечерние тренировки, да и мешок картошки из родного села привезти удобнее. С другой стороны, я могу начать передвигаться только на ней, забросить тренировки и просто переносить свою попу с одного сидения на другое. В первом случае я получаю больше времени и энергии, а во втором - ожирение. И нельзя винить машины или запрещать всем пользоваться ими просто потому, что я решила выбрать второе.
Честно признаюсь, я регулярно использую генеративные нейросети в своей работе, в частности, ChatGPT или DeepSeek. Например, я могу попросить накидать план лекции или презентации. Или предложить идеи для формата реализации курса. Иногда я прошу её объяснить какие-то сложные вещи простым языком, например, коллеги обсуждают сверхкритическую флюидную хроматографию, а я про этот метод впервые слышу. Бывает я даже ищу статьи через нейросетки, когда помню примерное содержание, но не помню ни примерного названия, ни авторов. И также я часто прошу проверить грамматику английского или делаю перевод текста на академический английский. А ещё я часто обращаюсь к нейросетям, чтобы писать посты в этот канал, они хорошо помогают с идеями и структурой.
И поскольку я считаю себя человеком с хоть немного, но развитым критическим мышлением, я всегда перерабатываю результат, выданный нейросетями. Использую план презентации или идеи как некий набросок, в котором уже убираю или добавляю штрихи. Не считаю себя экспертом в хроматографии после пары вопросов в ChatGPT. Перепроверяю перевод, чтобы не потерялся смысл предложения или какие-то термины были верно употреблены. Отчасти нейросеть помогает преодолеть страх чистого листа - состояние, когда ты просто не можешь начать что-то делать.
На мой взгляд, студентов нужно учить правильно пользоваться генеративными нейросетями. Не заменять собственный интеллект искусственным, а дополнять его. Для этого нужно развивать критическое мышление, помогать с составлением правильного промта, давать задания на критический анализ результата генерации. В общем, не противиться изменениям, а возглавить их. И в целом вузы потихоньку идут к этому, правда пока больше в соцгум секторе, но тем не менее.
Ну и конечно всё же стоит развивать инструменты, которые определяют сгенерированный текст. Всегда будут те, кто выберет наименее энергозатратный путь. Раньше они копипастили из интернета или скачивали рефераты, а теперь у них новое оружие. Думаю, эта борьба будет вечной, но она не должна мешать прогрессу остальных.
Коллеги, а что вы думаете про генеративные нейросети? Используете ли в своей работе и если да, то как?
